开放集领域自适应OSDA（十七）：Open Set Domain Adaptation With Soft Unknown-Class Rejection论文原理

最新推荐文章于 2024-08-28 23:27:41 发布
最新推荐文章于 2024-08-28 23:27:41 发布
阅读量399 收藏
点赞数
分类专栏： 开放集领域自适应 文章标签： 深度学习 计算机视觉 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41076797/article/details/125069758
版权
本文介绍了一种用于开放集域适应（OSDA）的新方法，该方法解决了传统方法对未知类阈值敏感的问题。通过软未知类拒绝，利用模型的熵预测对目标样本进行权重分配，同时对源和目标已知类进行对抗式对齐。这种方法不需要硬阈值，提高了对未知类检测和分离的稳定性。在多个数据集上的实验展示了方法的有效性。
摘要由CSDN通过智能技术生成

文章目录

前言

  • 文章来自2021年的AAAI
  • 本文是本人开放集领域自适应OSDA系列论文的第17篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~

摘要

  • 域适应(domain adaptation, DA)的目标是训练一个良好的目标域模型，源域有大量的标记数据，而目标域只有有限的标记数据。传统的闭集域适应(CSDA)假设源和目标标签空间是相同的。然而，这在实际应用中并不十分实用。在本文中，我们研究了开放集域适应(OSDA)问题，该问题只要求目标标签空间与源标签空间部分重叠。因此，OSDA的求解需要未知类的
了解本专栏 订阅专栏 解锁全文 超级会员免费看
CtrlZ1
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
开放集域适应
Gengmeina的博客
10-17 1354
**问题：**训练集和测试集不同时，对象分类器的精度降低； **解决：**既要适应于封闭集也要适应于开放集； **目的：**将那些可能属于源数据中感兴趣的类别目标实例标记出来； **方法：**即迭代求解方法； 需了解的知识： 域适应：为了使用源域中带注释的图像对目标域中的图像进行分类，在本文中，将源域的特征空间映射到目标域的特征空间，通过对源域中转换后的数据学习任何分类器对目标域分类。 开放集和封...
论文翻译：Open Set Domain Adaptation 开放集域适应
Qi__Xi的博客
04-12 1696
论文翻译：Open Set Domain Adaptation 开放集域适应摘要1. 介绍2. 相关工作3. 开放集域适应3.1 无监督域适应3.2 半监督域适应3.3 映射4. 实验4.1 参数配置4.2 Office数据集4.3 密集跨数据集分析4.4 稀疏跨数据集分析5. 结论 摘要 当训练和测试数据属于不同的域时，对象分类器的准确性将大大降低。因此，最近几年提出了几种算法，以减少数据集之间的所谓域转移。但是，所有适用于域适应的评估协议都描述了一个封闭集识别任务，其中两个域（即源域和目标域）都包含完全
2020 IJCAI 接受论文 list 分类排列（二）
u014546828的博客
08-23 2万+
2020 IJCAI 接受论文 list 分类排列（一） 2020 IJCAI 接受论文 list 分类排列（二） 2020 IJCAI 接受论文 list 分类排列（三） 目录 Main track (Humans and AI) Main track (Knowledge Representation and Reasoning) Main track (Machine Learning) Main track (Machine Learning Applications) Mai.
Open Set Domain Adaptation
gdtop的个人笔记
04-16 4433
本篇是迁移学习专栏介绍的第十篇论文，也算是本专栏专门讲Domain Adaptation的第一篇论文。这篇文章是接受于ICCV 2017，文章的setting是特别新颖的，获得了ICCV Marr Prize 提名。所以很值得一看。 Abstract 当训练和测试数据属于不同的领域时，对象分类器的精度会显著降低。因此，为了减少数据集之间的域转移，近年来提出了几种算法。然而，所有可用的域适应评估...
AAAI2021论文列表（中英对照）
dovings的博客
07-04 8180
AAAI2021论文列表（中英对照）
CVPR2022论文列表（中英对照）
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
（十二：2020.08.28）CVPR 2016 追踪之论文纲要（译）
Jojo论文基地
08-28 4648
CVPR 2016 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这643篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
CVPR 2016 全部文章摘要阅读
有些代码不应该被忘记
07-05 1万+
为了说明看过CVPR2016全部文章的摘要，总结一下，摘要只保留了创新点部分。 ORAL SESSION Image Captioning and Question Answering Monday, June 27th, 9:00AM - 10:05AM. These papers will also be presented at the following poste
CVPR 2016 摘要阅读
热门推荐
Tsingzao的博客
08-02 3万+
为了说明看过CVPR2016全部文章的摘要，总结一下，摘要只保留了创新点部分。 ORAL SESSION Image Captioning and Question Answering Monday, June 27th, 9:00AM - 10:05AM. These papers will also be presented at the following poster sessio
开放集领域自适应OSDA（二）：Open Set Domain Adaptation by Backpropagation论文原理
lyy的博客
03-27 898
文章目录前言摘要1 Introduction2 Related Work2.1 Domain Adaptation2.2 Open Set Recognition3 Method3.1 Problem Setting and Overall Idea 前言 文章来自2018年的ECCV 本文是本人开放集领域自适应OSDA系列论文的第2篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Sta
开放集领域自适应OSDA（四）：IMPROVING OPEN SET DOMAIN ADAPTATION USING IMAGE-TO-IMAGE TRANSLATION论文原理
lyy的博客
04-24 481
文章目录前言摘要1.INTRODUCTION2. RELATED WORK 前言 文章来自2019年的ICME 本文是本人开放集领域自适应OSDA系列论文的第4篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 开放集域适应问题很少被研究，现有的解决方案大多基于学习一个联合潜在空间，当域之间存在显著差异时，可能会遇到问题。这项工作是由这样一个问题驱动的：将源图像操作
开放集领域自适应OSDA（三）：Separate to Adapt: Open Set Domain Adaptation via Progressive Separation论文原理
lyy的博客
04-02 645
文章目录前言摘要1. Introduction2. Related Work3. Method 前言 文章来自2019年的CVPR 本文是本人开放集领域自适应OSDA系列论文的第3篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 在利用来自源域的标记数据为未标记的目标域学习准确的分类器方面，域自适应已经取得了巨大的成功。在野外部署时，目标域通常包含源域中未观察到的
开放集领域自适应OSDA（六）：Towards Inheritable Models for Open-Set Domain Adaptation论文原理
lyy的博客
05-05 343
文章目录前言摘要1. Introduction 前言 文章来自2020年的CVPR 本文是本人开放集领域自适应OSDA系列论文的第6篇，所有系列论文的相关代码在https://github.com/CtrlZ1/Domain-Adaptation-Algorithms，希望各位大佬们不吝点赞，给个Star哦~ 摘要 视觉识别任务的领域适应（DA）已经取得了巨大的进展。尤其是，openset DA已经获得了相当大的关注，其中目标域包含其他看不见的类别。现有的开放集DA方法要求访问标记的源数据集和未标
基于深度学习的游客满意度分析与评论分析【情感分析、主题分析】
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
08-28 803
随着物联网、云计算、虚拟现实等新兴技术的快速发展，大数据越来越广泛的运用到各领域中，不同于传统的数据分析，大数据分析不仅仅能够对一些大量的、简单的数据进行处理，通能够处理一些复杂的数据，例如文本数据、声音数据以及图像数据等，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低的特征。通过大数据分析，帮助旅游企业或景区获取游客各个方面信息，从而更加准确地了解游客的消费行为、偏好、需求，发现游客满意度的影响因素，制定针对性的改进措施，提升游客满意度。近年来我国经济的快速发展和人民生活水平的不断提高，旅
论文阅读笔记:RepViT: Revisiting Mobile CNN From Vit Perspective
c2861024198的博客
08-28 637
CVPR2024论文《RepViT: Revisiting Mobile CNN From Vit Perspective》阅读笔记
深度学习（DL）算法分分类
最新发布
m0_46171719的博客
08-28 189
深度学习（DL）算法是机器学习的一个子集，专注于使用深度神经网络（DNN）来模拟人脑的学习过程，从而解决复杂的数据处理和模式识别问题。
深度学习基础—彩色图片的卷积运算
sniper_fandc的博客
08-28 188
即假设输入图片是n*n*nc的大小，过滤器是f*f*nc的大小，得到的卷积结果是(n-f+1)*(n-f+1)*nc，其中nc是通道数，这里默认步长为1，不进行padding操作。但是如果想检测不同的边缘特征，比如想同时检测6*6 RGB图像垂直边缘和水平边缘，就可以使用2个3维过滤器（3*3*3），得到两个4*4的输出，把这两个4*4的输出堆叠为4*4*2的输出，这个输出表示同时检查水平和垂直边缘的结果。把这三个过滤器堆叠到一起形成3维过滤器，从而就可以只检测红色的边缘，绿色和蓝色不进行检测。
机器学习和深度学习中常见损失函数，包括损失函数的数学公式、推导及其在不同场景中的应用
weixin_41174300的博客
08-28 586
损失函数在模型训练中的角色是衡量模型的预测结果与真实标签之间的差异。损失函数的输出通常是一个非负数，越接近0表示模型预测越准确。
open set domain adaptation
06-06
开放集域自适应（Open Set Domain Adaptation）是指在目标域中存在未知类别的情况下，进行域自适应的一种方法。在传统的域自适应中，假设目标域的类别与源域相同，但在实际应用中，目标域可能存在源域中不存在的类别，这就是开放集问题。开放集域自适应的目标是在保持源域和目标域的相似性的同时，能够有效地处理未知类别的情况，提高模型的泛化能力。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

CtrlZ1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值